scvi-tools

用途：这是围绕 scvi-tools（单细胞基因组学概率模型框架）的深度学习分析技能，帮助选择模型与工作流并执行数据整合、批次校正、多模态分析和参考映射等任务。\n\n主要能力：按数据类型给出模型建议，包括 scVI（无监督整合、差异表达、插补）、scANVI（标签转移、半监督整合）、totalVI（CITE-seq RNA+蛋白多模态整合与蛋白去噪）、PeakVI（scATAC-seq 染色质可及性）、MultiVI（RNA+ATAC 联合）、DestVI（空间数据细胞类型解卷积）、veloVI（RNA 速率）、sysVI（跨技术系统级批次校正）。\n\n使用方式：先从模型/工作流表确定流程，再读对应 references 下的参考文件获取步骤与代码，复用 scripts/ 中脚本。常用命令示例：python scripts/validate_adata.py raw.h5ad --batch-key batch --suggest；python scripts/prepare_data.py raw.h5ad prepared.h5ad --batch-key batch --n-hvgs 2000；python scripts/train_model.py prepared.h5ad results/ --model scvi --batch-key batch；python scripts/cluster_embed.py results/adata_trained.h5ad results/ --resolution 0.8；python scripts/differential_expression.py results/model results/adata_clustered.h5ad results/de.csv --groupby leiden。model_utils.py 提供 prepare_adata()、train_scvi()、evaluate_integration()、get_marker_genes()、save_results()、auto_select_model()、quick_clustering() 等可导入函数。环境或 GPU 问题查 references/environment_setup.md，调试查 references/troubleshooting.md。\n\n限制与要求：模型要求原始整数计数数据，需在归一化前保存 counts 层并设置 layer="counts"；建议选 2000–4000 个高变基因；整合需指定 batch_key。原文未提供安装命令、价格、性能指标和脚本参数全集，暂未提供。